harden1013的博客

当前点云分割方法主要分为：①聚类分割；②基于随机采样一致性（RANSAC）的分割；基于欧式聚类的点云分割pcl::PointIndices::Ptr indices(new pcl::PointIndices);//创建欧式聚类对象pcl::EuclideanClusterExtraction<pcl::PointXYZ> ec;//参数配置ec.setClusterTolerance(0.02);ec.setMinClusterSize(100);ec.setMaxC

NARF特征点：深度突变位置进行边缘检测、测度表面变化的系数及主方向；Harris特征点：2D采用图像梯度，而3D采用点云表面法向量；……深度图像提取NARF特征点//深度图像边缘提取器pcl::RangeImageBorderExtractor range_image_border_extractor;//narf特征点pcl::NarfKeypoint narf_keypoint_detector(&range_image_border_extractor);//输入深

点云配准的基本流程：提取关键点---计算特征描述子---计算坐标及位置的相似度---去除噪声对配准的干扰---刚体变换迭代最近点算法（ICP）//头文件#include <iostream>#include <pcl/io/pcd_io.h>#include <pcl/point_types.h>#include <pcl/registration/icp.h>//输入输出数据pcl::PointCloud<pcl::Poin

采样一致性--在一定允许误差范围内分割出在模型上的点云RANSAC随机采样一致性：样本中随机抽取子集，计算子集与模型的偏差与阈值作比较，区分内点与外点，迭代重复到内点最多，此时的模型参数即为RANSAC下的估计值。RANSAC的缺陷：事先设定区分内、外点的阈值；不能确定迭代的次数；LMedS最小中值方差估计：样本中随机抽取子集，计算子集与模型的偏差与阈值作比较，取出偏差值居中的子集对应的模型参数。LMedS的缺陷：当外点数量较多时候，没法很好估计模型；采样一致性支持的几何模型：

对三维信息的描述，除了点云的直接描述外，常见的RGB-D相机获取的深度影像也是目前重要的三维信息描述方式。创建点云对应的深度图像：//头文件#include <pcl/range_image/range_image.h>//设置观测弧度间隔、最大水平观测范围、最大垂直观测范围float angularResolution = (float)(1.0f * (M_PI / 180.0f));float maxAngleWidth = (float)(360.0f * (M_PI

点云滤波能达到的目的：去噪、去除离散点、抽稀（下采样）、平滑直通滤波器--设定范围，对范围外点云进行滤除//创建滤波器pcl::PassThrough<pcl::PointXYZ> pass;//输入原始点云pass.setInputCloud(cloud);//待筛选的属性，一般是对高度即z坐标做约束pass.setFilterFieldName("z");//设定接受范围pass.setFilterLimits(-1.0,1.0);//执行滤波pass.filte

kd树--带约束的二分查找树八叉树--将体元分成8个子立方体基于kd树来完成对应点邻域点的搜索：//创建kd树pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;//设定待搜索点云kdtree.setInputCloud(cloud);//目标点：point1//按照点数做k近邻搜索int k = 10;std::vector<int> pointIdxNKNSearch(k);std::vector<float>

简单几何体的点云添加与显示：//直线viewer->addLine<pcl::PointXYZRGB>(cloud.points[i],cloud.points[j],"line1");//平面pcl::ModelCoefficients coeffs;coeffs.values.push_back(A);coeffs.values.push_back(B);coeffs.values.push_back(C);coeffs.values.push_back(D);

点云文件格式--PCD文件说明VERSION . 7 # PCD文件版本为0.7FIELDS x y z rgb # 每个点具有的属性 x坐标 y坐标 z坐标 颜色SIZE 4 4 4 4 # 每个属性字段对应的大小-字节数TYPE F F F F # 每个属性字段对应的格式-F-FLOAT浮点数COUNT 1 1 1 1 # 每个属性字段包含的元素个数WIDTH 213HEIGHT 1 # 无序点云的高度设置为1，有序则按照行列即可VIEWPOINT 0 0 0 1 0 0

PCL主要模块：分割（segmentation）、特征描述与提取（Features）、可视化（Visualization）、曲面重建（Surface）、识别（Recongnition）、检索（Search）、配准（Registration）、关键点（Keypoints）、滤波（Filters）、采样一致性（Sample consensus）、八叉树（octree）、通用模块（common）、输入输出（IO）、k维树（kdtree）PCL编程规范：头文件 --（.h） 模板类实现文件 --（.h.